Bilgisayarlı görü'nün demiryolu operasyonlarındaki uygulamaları

Bu makalede ele alınan kavramların görsel bir anlatımı için aşağıdaki videoyu izle.

Demiryolları yer üstü ulaşım sistemlerinin temel bir parçasıdır. Dünya çapında 1 milyon kilometreden fazla rota uzunluğuna sahip railway networks, devasa mesafelerdeki şehirleri, endüstrileri ve toplulukları birbirine bağlar. Bu sistemler genişledikçe ve talep arttıkça, güvenlik ve verimliliği sağlamak yalnızca manuel kontroller ve izlemeden çok daha fazlasını gerektirir.

En son teknoloji çözümler giderek daha fazla önem kazanmaktadır. Örneğin, görsel verilerin işlenmesiyle ilgilenen bir artificial intelligence (AI) dalı olan computer vision, çeşitli demiryolu operasyonlarını modernize etmek için kullanılmaktadır.

Görüntü tabanlı sistemler, demiryolu operatörlerine operasyonlar hakkında gerçek zamanlı farkındalık kazandırmak için kameraları ve Ultralytics YOLO11 gibi bilgisayarlı görü modellerini kullanır. Nesne tespiti ve örnek bölütleme gibi görevler aracılığıyla YOLO11 gibi modeller; nesneleri, insanları veya tehlikeleri tespit etmek için rayları, platformları, tünelleri ve trenlerin iç kısımlarını analiz etmek üzere devreye girebilir.

Birinin platform kenarına çok yakın durduğu veya raylar üzerinde bir enkazın belirdiği bir durumu düşün. Görü tabanlı yapay zeka bunu gerçek zamanlı olarak algılayıp uyarı göndererek, istasyon ekiplerinin hızlı müdahale etmesini sağlar ve olası risklerin gecikmelere veya kazalara dönüşmesini önleyebilir. Ayrıca, her an izlenmesi zor olan alanları denetleyerek personele destek olur.

Şekil 1. Bir tren platformunda duran insanları tespit etmek için Ultralytics YOLO11 kullanımına bir örnek.

Yapay zeka ve bilgisayarlı görünün benimsenmesi arttıkça, daha fazla şehir demiryolu operasyonlarını daha güvenli ve verimli hale getirmek için görüntü tabanlı yapay zekayı kullanmaya başlıyor. Bu makalede, demiryolu ulaşımı iş akışlarında görüntü tabanlı yapay zekanın dünya genelinde nasıl uygulandığını inceleyeceğiz. Hadi başlayalım!

Demiryolu ulaşım operasyonlarında Görü tabanlı Yapay Zekanın rolü#

Demiryolu ağları, gerçek zamanlı olarak izlenmesi gereken birçok hareketli parça içerir. Geleneksel olarak istasyon personeli tarafından yapılan işlemler artık yapay zeka kullanılarak otomatikleştirebilir. YOLO11 gibi Computer vision models, istasyon operatörlerinin demiryolu işlevlerini daha yakından izlemesine ve sorunlar ortaya çıktığında hızla yanıt vermesine yardımcı olabilir.

Özellikle, computer vision tasks, bu modellerin kameralardan gelen görsel girdileri kullanarak gerçekleştirmek üzere eğitilebileceği belirli işlevleri ifade eder. Demiryolu operasyonlarını izlemek için kullanılabilecek bazı temel görevler şunlardır:

• Nesne tespiti: Bu görev, bir görsel veya video kareindeki belirli nesnelerin tanımlanmasını ve konumlandırılmasını içerir. Demiryolu uygulamalarında Ultralytics YOLO11 gibi modeller, rayların üzerinde veya yakınında bulunan enkaz, aletler, bagaj veya insanlar gibi unsurları tespit edebilir.

• Nesne takibi: Bu, algılanan nesnelerin hareketinin birden fazla video karesi boyunca izlenmesini ifade eder. İstasyonlarda veya tren içlerinde takip, yolcu akışını izlemeye ve tren hareketlerini kontrol etmeye yardımcı olur.

• Poz kestirimi: İnsan duruşunu anlamak için ana vücut eklemlerinin konumlarının tespit edilmesini ve analiz edilmesini içerir. Demiryolu ortamlarında, platformda bayılan bir kişi gibi acil durumların belirlenmesine yardımcı olarak müdahale için uyarıları tetikleyebilir.

• Örnek bölütleme: Bir görüntüdeki her pikselin önceden tanımlanmış kategorilere sınıflandırılmasına odaklanır. Demiryolu altyapısı izlemede, çatlaklar, korozyon veya aşınma gibi özellikleri tanımlayarak rayların, platformların ve diğer yüzeylerin durumunu değerlendirmek için kullanılabilir.

Şekil 2. Ultralytics YOLO11, güvenlik amacıyla insanları ve trenleri tespit etmek ve takip etmek için kullanılabilir.

Demiryolu izleme için Görü tabanlı Yapay Zeka kullanımı#

Görü tabanlı izleme genellikle güvenlik ve gözetim ile ilişkilendirilse de, demiryolu sistemleri görüntü tabanlı yapay zekayı temel güvenlik görevlerinden çok daha fazlası için kullanır. Ayrıca operasyonları iyileştirmede, güvenliği artırmada ve ağ genelinde sistem yönetimini desteklemede rol oynar.

Vision AI in public transportation kullanımının temel bir avantajı, gerçek zamanlı çalışabilme yeteneğidir; bu da istasyon personeline potansiyel sorunların önüne geçebilmeleri için zamanında ve yararlı bilgiler sağlar.

Bilgisayarlı görünün demiryollarının daha hassas ve kontrollü çalışmasına nasıl yardımcı olduğuna dair bazı gerçek dünya örneklerine bakalım.

Bakım görevleri için demiryolu sistemlerinde nesne algılama#

Avrupa'da demiryolu trafiği büyümeye devam ettikçe, güvenilir altyapı izleme ihtiyacı kritik hale geldi. Güvenli ve sorunsuz operasyonları kolaylaştırmak için rayların aşınma, hasar ve hizasızlık açısından düzenli olarak kontrol edilmesi gerekir. Bu, hataların maliyetli aksamalara veya kazalara yol açmasından önce erken belirtileri tespit etmek için binlerce kilometrelik rayın kontrol edilmesini içerir. Görü tabanlı yapay zeka, bu denetim sürecini otomatikleştirmek ve iyileştirmek için etkili bir yol sunar.

Fig 3. Bilgisayarlı görü sistemleri, demiryolu raylarının kusurlu kısımlarını tespit edebilir.

Örneğin, demiryolu ağının binlerce kilometreye yayıldığı Hollanda'da, rayları sürekli olarak izlemek ve bakımını yapmak büyük bir iştir. Manuel denetimler hala önemli olsa da yavaş, emek yoğun olabilir ve genellikle hizmeti aksatır. Bunu çözmek için, rail-track conditions gerçek zamanlı olarak denetlemek amacıyla bir bilgisayarlı görü sistemi sunulmuştur.

Hareketli trenlere monte edilen Cameras, sürekli bir yüksek çözünürlüklü görüntü akışı yakalar. Bu görseller daha sonra ray hizalamasındaki bozulmaları, aşınmış veya hasar görmüş bileşenleri ve eksik parçaları tespit etmek üzere eğitilmiş görü yapay zeka modelleri tarafından analiz edilir.

Sürekli ve otomatik izleme sayesinde denetimler sadece daha hızlı değil, aynı zamanda daha doğrudur. Bakım ekipleri, dikkat gerektiren alanlara öncelik verebilir ve gereksiz kontrolleri azaltabilir. Sonuç olarak operatörler, günlük hizmeti kesintiye uğratmadan operasyonel riskleri düşürmeyi, gecikmeleri azaltmayı ve genel güvenliği artırmayı başardılar.

Demiryolu altyapısında yapay zeka ile daha güvenli operasyonlar#

Büyük ölçekli demiryolu projelerinde, saha güvenliğini sağlamak en zorlu zorluklardan biridir. Bu durum, aktif çalışma alanlarının ve değişen koşulların sürekli denetim gerektirdiği Çin'deki Wuhan kentsel demiryolu ağının inşaatı sırasında özellikle geçerliydi.

Geleneksel olarak güvenlik kontrolleri manuel gözleme dayanıyordu; bu da genellikle risklerin yalnızca bir olay meydana geldikten sonra belirlendiği anlamına geliyordu. Yanıt sürelerini iyileştirmek ve riski azaltmak için araştırmacılar, bilgisayarlı görü destekli gerçek zamanlı bir safety monitoring system tanıttı.

Faaliyetleri sürekli kaydetmek için construction sites üzerine 240'tan fazla yüksek çözünürlüklü kamera kuruldu. Video görüntüleri, yalnızca bireylerin tehlikeli alanlara ne zaman girdiğini değil, aynı zamanda yakındaki ekipmanın sabit mi yoksa hareket halinde mi olduğunu (gerçek zamanlı risk değerlendirmesinde önemli bir faktör) tespit edebilen yapay zeka modelleri kullanılarak yerinde işlendi. Güvensiz davranış tespit edildiğinde sistem, saha süpervizörlerine acil uyarılar gönderebiliyordu.

Fig 4. Bilgisayarlı görü kullanarak tehlikeleri tespit etme.

Görü tabanlı Yapay Zeka kullanarak demiryolu gözetimine bir bakış#

Bakım ve güvenlik denetimlerini iyileştirmenin yanı sıra, bilgisayarlı görü, ray hatlarını izinsiz girişler için gerçek zamanlı olarak izlemek için de kullanılıyor. Bu, yalnızca 2023 yılında Amerika Birleşik Devletleri'nde bildirilen 995 demiryolu kaynaklı ölümle ciddi bir endişe kaynağıdır. Bu olayların çoğu, geleneksel izleme yöntemlerinin genellikle sınırlı olduğu bir alan olan raylara yetkisiz erişimi içeriyordu.

Bunu ele almak için Amerika Birleşik Devletleri'ndeki demiryolları computer vision solutions benimsemeye başlıyor. Bu sistemler; izinsiz giriş, ray engelleri ve potansiyel sinyal ihlalleri gibi olayları tespit etmek için yapay zeka modelleri tarafından analiz edilen canlı video akışlarını kullanır. Bu sorunları gerçekleştiği anda tanımlayarak, sistem ekiplerin hizmet aksamadan veya güvenlik riske atılmadan hızlı bir şekilde yanıt vermesine yardımcı olur.

Belirli aralıklarla gerçekleşen manuel denetimlerin aksine, bilgisayarlı görü sistemleri ağ genelinde sürekli, gerçek zamanlı izleme sağlar. Bir tehdit algılandığında operatörlere anında uyarı gönderilerek hızlı ve hedefe yönelik müdahalelere olanak tanınır. Bu, gelişmiş durumsal farkındalık, daha hızlı müdahale ve önlenebilir olayların neden olduğu daha az gecikme sağlar.

Görü tabanlı Yapay Zeka ile gıda güvenliği izleme#

Her gün, hijyenin en önemli öncelik olduğu trenlerde ve istasyonlarda milyonlarca öğün yemek hazırlanıp servis ediliyor. Hindistan'da, Indian Railway Catering and Tourism Corporation (IRCTC), dünyadaki en büyük demiryolu yemek ağlarından birini yönetiyor.

Yakın zamana kadar hijyen kontrolleri manuel olarak yapılıyordu; bu da her mutfağı her zaman izlemeyi zorlaştırıyordu. İşleri daha verimli ve güvenilir hale getirmek için IRCTC, food safety practices gerçek zamanlı olarak takip eden bir görü yapay zeka sistemi tanıttı.

Sistem, mutfaklardaki ve yemek hazırlama alanlarındaki mevcut CCTV kameralarına bağlanır. Personelin ellerini yıkamaması, eldiven veya saç filesinin eksik olması ya da temiz olmayan çalışma istasyonları gibi yaygın hijyen sorunlarını tespit etmek üzere eğitilmiş yapay zeka modellerini kullanır.

Hizmete sokulmasından bu yana sistem, hijyen standartlarının iyileştirilmesine yardımcı oldu ve personelin sadece prosedürleri kontrol etmekle kalmayıp yemek hazırlamaya daha fazla zaman ayırırken food safety konusunda güncel kalmasını kolaylaştırdı.

Demiryolu operasyonlarında bilgisayarlı görünün artıları ve eksileri#

Bilgisayarlı görü, demiryolu sistemlerinde güvenlik, bakım ve günlük operasyonları iyileştirme konusunda çeşitli avantajlar sunar. İşte temel avantajlardan bazıları:

• Kestirimci bakım: Raylardaki ve altyapıdaki aşınma veya hasarın erken belirtilerini tespit ederek, görüntü tabanlı yapay zeka, arızalar meydana gelmeden önce önlenmesine yardımcı olabilir.
• 7/24 izleme: İnsan denetçilerin aksine, bilgisayarlı görü sistemleri yorulmadan veya vardiya değişimi olmadan sürekli olarak çalışabilir.
• Scalability: Uygulandktan sonra aynı sistem, minimum ek çabayla daha fazla istasyonu, treni veya operasyonel bölgeyi kapsayacak şekilde genişletilebilir.

Görü tabanlı yapay zekanın demiryolu ulaşımına getirdiği birçok olumlu yöne rağmen, bu sistemlerin konuşlandırılmasında ve sürdürülmesinde hala zorluklar mevcuttur. İşte dikkate alınması gereken birkaç dezavantaj:

• Gizlilik endişeleri: Kamusal alanlarda sürekli surveillance, etik sorunlara ve yolcular ile personel arasında rahatsızlığa neden olabilir.
• Yüksek başlangıç maliyeti: Kameralar, sunucular ve yapay zeka yazılımları dahil olmak üzere bir Görü tabanlı Yapay Zeka sistemi kurmak önemli miktarda ön yatırım gerektirir.
• Karmaşık entegrasyon: Bilgisayarlı görü sistemlerinin eski sinyalizasyon veya kontrol sistemleri gibi mevcut altyapıyla entegre edilmesi teknik açıdan zorlayıcı olabilir.

Öne çıkanlar#

Demiryolu ağları büyüdükçe, güvenilir içgörüler sağlayan gerçek zamanlı sistemlere olan talep artıyor. Bilgisayarlı görü sistemleri, operatörlerin sorunlara hızlı ve doğru bir şekilde yanıt vermesine yardımcı olmak için nesne algılama, yapısal kontroller ve gerçek zamanlı uyarılar kullanır.

Yapay zeka araçları günlük operasyonları iyileştirir ve ayrıca uzun vadeli bakım maliyetlerini ve güvenlik risklerini düşürür. Bu araçlar geliştikçe, yapay zeka demiryolu sistemlerini daha verimli, duyarlı ve güvenli hale getirmede etkili bir rol oynamaya hazırlanıyor.

Büyüyen community katılsana! Yapay zeka hakkında daha fazla bilgi edinmek için GitHub repository keşfet. Bilgisayarlı görü projelerine başlamaya hazırsan licensing options göz at. Çözüm sayfalarımızı ziyaret ederek AI in agriculture ve Vision AI in healthcare keşfet!